Pontificia Universidad Javeriana. Martínez, Dix.

Deteccion fallas Rodamientos por análisis de vibraciones 1

Detección De Fallas En Rodamientos De Un Motor De Inducción Trifásico Tipo

Jaula De Ardilla Empleando Análisis De Vibraciones
Martínez Amaya, Maria Monica., Dix Sanchez, Veronica.
{mmmartinez,vdix}@javerianacali.edu.co
Pontificia Universidad Javeriana Cali

Esto incrementa la probabilidad de falla en los

Resumen— Este trabajo de grado incluye el
diseño e implementación de una etapa de
adquisición de datos, la cual consta de un
acelerómetro posicionado en la carcasa (cerca
del eje) de un motor trifásico tipo jaula de
ardilla y de un circuito de acople cuya función
es proteger el dispositivo de comunicación
(sensor-computador). Las señales de voltaje
proporcionadas por el sensor son almacenadas
en una base de datos web asequible al usuario.
La información obtenida es analizada
utilizando las técnicas de la transformada
Fourier y la de Hilbert. El equipo que se tomó
como piloto para identificar fallas en
rodamientos por medio del análisis de
vibraciones fue el motor siemens de la
Universidad Javeriana Cali.
Índice de Términos— Análisis espectral,
Transformada rápida de Fourier, Transformada
de Hilbert, Análisis envolvente, Motores de
inducción trifásicos tipo jaula de ardilla, fallas
en rodamientos, Matlab, Labview.
I. INTRODUCCIÓN
Actualmente, las exigencias de la industria y
normas internacionales obligan a los
fabricantes de motores eléctricos a producir
equipos más eficientes y con mayor vida útil.
Sin embargo, el tiempo, las condiciones de
trabajo, las sobrecargas anormales de los
procesos, el número de arranques, y problemas
de lubricación, entre otros afectan la vida útil
del motor.
motores, por lo cual es necesario trabajar en
sistemas capaces de detectar fallas tempranas
con el fin de tener un historial del
comportamiento del motor y poder realizar la
corrección de las fallas de manera oportuna y
así reducir el daño de los equipos los costos de
reparación y el impacto sobre la producción.
Existen diferentes técnicas en el uso de
analizadores de vibración, como la frecuencia
basada en la transformada de Fourier. Una
detección temprana reduce el impacto en la
producción y en los costos de reparación, pero
requiere de herramientas de análisis un poco
más complejas y más efectivas para que
permitan diagnosticar problemas en su fase
primaria y tomar acciones correctivas en forma
oportuna.
Con este sistema se comparan dos técnicas de
análisis de vibración: Transformada rápida de
Fourier y Transformada Hilbert, con el fin de
establecer diferencias entre dichas técnicas y
bajo qué condiciones conviene utilizar una
técnica frente a la otra.
II. TÉCNICAS DE ANÁLISIS DE VIBRACIONES
A. Transformada de Fourier
La trasformada rápida de Fourier (FFT por
sus siglas en inglés) es un algoritmo para
evaluar de forma rápida la transformada de
Fourier discreta y su inversa. Su rapidez en el
cálculo es lo que lo hace muy importante en el
análisis de señales.
Se encuentra la ecuación a de la transformada
rápida de Fourier [1]:
Pontificia Universidad Javeriana. Martínez, Dix. Deteccion fallas Rodamientos por análisis de vibraciones 2

Frecuencia de deterioro de la pista exterior

! ! !
𝐹 𝜇 = !!!
!!! 𝑓 2𝑥
!"
𝑊! + !!!
!!! 𝑓(2𝑥 + (BPFO):
! ! !
! !! !"# !
!" !
1)𝑊! 𝑊!! (1) 𝑓! =
!
𝑓! 1 −
!!
(2)

B. Demodulación por Hilbert

Frecuencia de deterioro de la pista interior
Una de las aplicaciones más comunes de la TH (BPFI):
en análisis de vibración, es en calcular la ! !! !"# !
𝑓! = 𝑓! 1 + (3)
envolvente. La transformada de Hilbert, 𝑥(t), ! !!

de una señal x(t), dado que esta señal exista

Frecuencia de deterioro de los elementos
para −∞ ≤ t ≤ ∞, es una nueva señal dada por
rodantes (BSF):
[2]: !! !!
𝑓! =
!!!
1 − 𝑑! cos 𝛽 !
(4)
𝑥 𝑡 =
! !(!)
𝑑𝑢 =x t ∗
!
(2) Frecuencia de deterioro de la jaula (FTF):
!! !(!!!) !" !! !! !"# !
𝑓! =
!
1−
!!
(5)
La envolvente de la señal x(t) es definida como
la magnitud de z(t). Así, la envolvente e(t) se Los cálculos de las frecuencias de falla se
determina aplicándole el módulo a la señal hacen teniendo en cuenta las características
analítica, la cual es igual a x(t)+ j𝑥 (t), donde físicas del rodamiento, dado por el fabricante.
N: es el número de bolas del rodamiento y fr es
x(t) es la señal a analizar y 𝑥(t) es la
transformada de Hilbert de x(t) [3]: la frecuencia de rotación del rotor en RPS.

IV. PRUEBAS Y RESULTADOS

𝑒 𝑡 = 𝑧(𝑡) = 𝑥 𝑡 + 𝑗𝑥(𝑡) = 𝑥! 𝑡 + 𝑥! 𝑡
(3) Para comparar los dos métodos de
diagnóstico de falla (Envolvente de Hilbert y la
Transformada de Fourier) se utilizó 3 bases de
III. FALLAS EN RODAMIENTOS datos diferentes como se vera a continuación.
Investigaciones demuestran que los A. Base de datos de la Case Western
rodamientos operan aproximadamente el 80% Reserve
de su vida útil libres de defectos Las fallas más La base de datos de la CWR se utilizó para
comunes en rodamientos son: fatiga comprobar si los análisis pueden detectar fallas
superficial, descarga, desgaste abrasivo, incipientes (el diámetro de la falla está en
desgaste adhesivo, corrosión, indentación, milímetros de pulgada). El Motor utilizado
fractura y ludimiento. [4] para la toma de datos es el Reliance Electric de
A. Frecuencia de deterioro de un 2HP [7].
rodamiento
Los rodamientos están formados por varios La referencia de los rodamientos utilizados
componentes claramente diferenciados: pista son 6205-2RS JEM SKF los cuales poseen los
interior, bolas o rodillos, jaula y pista exterior. siguientes parámetros de falla (utilizando las
El deterioro de cada uno de estos elementos ecuaciones de falla anteriores):
generará una o varias frecuencias Tabla 1 Tabla de Frecuencias de Fallo del 6205
características en los espectros de frecuencia BPFI BPFO FTF BSF Elemento
que nos permitirán una rápida y fácil Rodante
identificación [5].
5.415 3,585 0,398 2,357 4,713
Pontificia Universidad Javeriana. Martínez, Dix. Deteccion fallas Rodamientos por análisis de vibraciones 3

Tabla 2 Porcentajes para la base de datos CWR

Estos fueron los resultados obtenidos, para Métodos Resultados BPFI BPFO BSF
Asertivo 16,60% 0% 0%
Fourier Parcial 83,30% 55,50% 33,30%
Sin
0% 44,40% 66,60%
resultado
Asertivo 100% 100% 0%
Hilbert Parcial 0% 0% 55,50%
Sin
0% 0% 44,40%
resultado

B. Base de datos Pontificia Universidad

Figura 1 Falla Incipiente para pista interna
Javeriana Cali
Para analizar los datos se tuvo en cuenta las
siguientes observaciones: los datos no fueron
tomados de manera ideal, es decir, el soporte
que se utilizó tenía problemas de estabilidad y
agarre generando frecuencias resonantes; se
tomó en cuenta dos ejes del sensor ya que
fueron los que recibían la mayor parte de
información del rodamiento del motor.
Se analizó el motor con 3 rodamiento
diferentes, el de fabrica y dos muy averiados.

Figura 2 Falla Incipiente para Pista Externa

Figura 4 Instalación del Sensor en el motor

La referencia de los rodamientos utilizados son

6202 los cuales poseen los siguientes
parámetros de falla (utilizando las ecuaciones
de falla anteriores):

Tabla 3 Tabla de Frecuencias de Fallo del 6202

BPFI BPFO FTF BSF
Figura 3 Falla incipiente en los elementos rodantes
5.415 3,585 0,398 2,357

Los resultados anteriores demuestran que la

envolvente de Hilbert es más sensible
obteniendo mejores resultados, sobre todo en
las fallas de pista interna y externa, las cuales
son las más comunes en el ámbito industrial.
Pontificia Universidad Javeriana. Martínez, Dix. Deteccion fallas Rodamientos por análisis de vibraciones
Figura 5 Rodamiento de Fabrica, sin carga
Figura 6 Rodamiento 1, sin carga
Figura 7 Rodamiento 2, sin carga
En las figuras anteriores se puede ver las
diferencias espectrales de los dos rodamientos
con el rodamiento de fabrica. Con el
rodamiento número 2 la falla es más severa,
tanto que la interfaz detecta dos tipos de falla,
de pista externa y de elementos rodantes.
A continuación los resultados obtenidos
cuando se le suministra carga al motor:
4
Figura 8 Rodamiento de Fabrica, Carga 50
Figura 9 Rodamiento 1, carga 90
Figura 10 Rodamiento 2, carga 50, sensibilidad 6G
Cuando los motores no se encuentran bien
instalados, es decir, cuando se presentan
desalineaciones, bandas flojas y falta de agarre
se pueden presentar frecuencias que en
ocasiones se pueden confundir como fallas en
motores, como se observa en las figuras
anteriores. Debido a las frecuencias que
producen el ambiente en el que se encuentra el
motor, para el sensor y la interfaz es muy
difícil identificar la falla que posee el
rodamiento.
Pontificia Universidad Javeriana. Martínez, Dix. Deteccion fallas Rodamientos por análisis de vibraciones 5

y e interna. Para corroborar los resultados, se

C. Base de datos Carvajal Pulpa y Papel analizaron los obtenidos con el software de la
empresa como se muestra a continuación:
El motor (Baldor) seleccionado para la
verificación es de 250HP (186 kW), con un
nivel de tension de 460V y una velocidad de
1800 RPM y mueve la bomba del tanque de
sello de la lavadora a cloro.

Figura 14 Falla Pista Interna (Envolvente)

Figura 11 Motor y ubicación de los ejes del sensor en el

motor

A continuación se muestran los resultados

obtenidos con la interfaz diseñada:

Figura 15 Falla Pista Externa (Envolvente)

Tal como se aprecia en las figuras 12, 13, 14 y

15 al seleccionar en el software la falla que se
desea analizar, se observa que el motor
presenta fallas en las pistas interna y externa
siendo esta última la más significativa por ser
de mayor magnitud.
Figura 12 Sensibilidad 6G Axial
V. CONCLUSIONES
Con las herramientas de Labview y Matlab se
logró diseñar con éxito un sistema de
adquisición y análisis de datos analógicos de
vibración. Por medio del Software Labview se
diseñó y se implementó la adquisición de los
datos que permitió almacenar los datos; dada
su facilidad de manejo de bases de datos. A
través de Matlab se logró analizar los datos, es
decir, contrastar las técnicas espectrales,
transformada rápida de Fourier y el análisis
Figura 13 Sensibilidad 6G Radial
envolvente de Hilbert.
De acuerdo a las figuras anteriores las fallas
Debido a que los equipos especiales para
presentes en el rodamiento son de pista externa
analizar datos de vibración en motores son
Pontificia Universidad Javeriana. Martínez, Dix. Deteccion fallas Rodamientos por análisis de vibraciones
costosos para las entidades educativas,
mediante este proyecto se logró diseñar e
implementar un sistema (Hardware y
Software) de adquisición de datos y una
interfaz que analiza las vibraciones mecánicas
mediante dos algoritmos diferentes con un bajo
presupuesto.
Ahora bien, en cuanto al contraste entre los
dos métodos se analizaron las fallas incipientes
de la base de datos estadounidense y las fallas
severas de la base de datos javeriana. Para
fallas incipientes en rodamientos, la
envolvente de Hilbert supera en porcentaje a la
transformada de Fourier cuando se analizan los
primeros armónicos de las frecuencias de pista
interior y exterior, es decir, la envolvente
captura las amplitudes de defecto bajas para
este tipo de fallas en rodamientos. Cabe
mencionar que las frecuencias de deterioro de
los elementos rodantes son más difíciles de
pronosticar por los dos métodos cuando se
encuentran en su fase inicial.
Por otro lado, para fallas de rodamientos
severas tanto la transformada de Fourier como
la envolvente de Hilbert disminuyen de manera
significativa la asertividad de detectar fallas en
rodamientos. Cabe mencionar que a medida
que la falla crece la excitación (falla) que se
produce pierde su carácter impulsivo pudiendo
llegar a creerse que el elemento se mejoró,
también se debe tener en cuenta el medio y las
condiciones en que se encuentra instalado el
motor.
Para conseguir un análisis optimo, es
importante tener en cuenta la selección del
sensor, la sensibilidad y el tiempo de muestreo
que se vaya a implementar al diseñar sistemas
de fallos en motores de inducción por medio
de datos de vibración. Debido a limitaciones
de presupuesto, el acelerómetro utilizado
obtuvo resultados que no alcanzaron niveles
óptimos para procesos industriales.
6
REFERENCIAS
[1] H. O. Carvajal, I. F. Estupiñan, “Detección De
Fallas En Un Motor De Inducción Usando Análisis
De Vibraciones Mecánicas Bajo Distintos
Escenarios De Carga” M.S. Tesis, Depto. Ing.
Electrónica, Universidad Industrial de Santander,
Bucaramanga, Colombia, 2010.
[2] M. Segla, S. Wang, F. Wang, “Bearing Fault
Diagnosis with Improved High Frequency
Resonance Tecnique”. Artículo IEEE. School of
Automation and Electrical Engineering. University
Beijing, China, 2012.
[3] F. E. Hernández, M. Gutiérrez, “Enfoques Del
Análisis De Envolvente Al Procesamiento De
Vibraciones Para El Diagnóstico De Maquinarias.”
Articulo. Revista de Ingeniería Mecánica. Vol. 13.
No.1, pág. 31-40, enero-abril de 2010.
[4] E. Espejo, “Modos de falla Comunes en
Rodamientos” [online], Documento técnico,
Universidad Nacional de Colombia, 2008.
Disponible en:
http://www.virtual.unal.edu.co/cursos/ingenieria/20
23293/und_3/pdf/rodamientos.pdfhttp://www.virtua
l.unal.edu.co/cursos/ingenieria/2023293/und_3/pdf/
rodamientos.pdf
[5] Sinais, Curso básico de análisis de
vibraciones[online]. Documento Técnico, Ingeniería
de Mantenimiento. Disponible en:
http://www.sinais.es/curso-vibraciones.html.
[6] A. Paz, M. C. Amaya, J. Olaya, E. Franco, J. A.
Palacios, “Metodología de Diagnostico de Fallas en
Motores de Inducción Trifásicos tipo Jaula de
Ardilla a través de Sistemas expertos basados en
Redes Bayesianas”, Tesis Doctoral, Depto.
Ingeniería, Universidad del Valle, Cali, 2011.
[7] Case Western Reserve University (CWRU),
“Bearing Data Center”. Disponible en:
http://csegroups.case.edu/